Когда выбрать K-means, а когда DBSCAN?
Classic MLУровень: ПрактикаClustering
Когда выбрать K-means, а когда DBSCAN?
Подсказки
- Как в этом методе определены близость и форма группы?
- Рассмотрите шум, выбор числа групп и влияние масштаба признаков.
Ответ
DBSCAN удобен при шуме и когда число кластеров заранее неизвестно; он выделяет области плотности. K-means обычно удобнее как быстрый масштабируемый вариант, если число групп можно задать и форма кластеров соответствует его предпосылкам. Выбор зависит также от расстояния, размерности и структуры данных.
Источник и лицензия: Alexey Grigorev & contributors — Data Science Interviews · CC-BY-4.0 · перевод: Quantoros